โครงการสหกิจนี้มีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพกระบวนการผลิต Hydrogen Manufacturing Unit 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) โดยการใช้แบบจำลองกระบวนการ AVEVA Pro/II และ แบบจำลอง Machine Learning เพื่อจำลองกระบวนการ ผลการศึกษาพบว่า แบบจำลอง AVEVA Pro/II สามารถทำนายผลลัพธ์ โดยมีความคลาดเคลื่อนอยู่ในช่วง 0–35% มีความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA สูงถึง 12% เกินเกณฑ์ 10% ที่บริษัทยอมรับได้ จึงได้พัฒนาแบบจำลอง Machine Learning โดยการปรับไฮเปอร์พารามิเตอร์ของอัลกอริทึมแบบ Random Forest ผลการศึกษาพบว่าแบบจำลองมีความแม่นยำสูง มีค่า Mean Squared Error (MSE) มีค่า 8.48 และ 0.18 สำหรับข้อมูลกระบวนการ และ ข้อมูลห้องปฏิบัติการ และ R-squared มีค่า 0.98 และ 0.88 สำหรับข้อมูลชุดเดียวกัน และพบว่าสามารถทำนายผลลัพธ์ได้แม่นยำกว่าแบบจำลอง AVEVA Pro/II ในทุกๆ ตัวแปร สามารถลดความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA เหลือเพียง 4.75 และ 1.35% สำหรับอัตราการผลิต 180 และ 220 ตันต่อวันตามลำดับ จึงได้นำแบบจำลองมาทำการ Optimization ตัวแปรกระบวนการ พบว่าสามารถให้ข้อแนะนำในการปรับค่าตัวแปรต่างๆ ได้ โดยสามารถเพิ่มผลผลิตไฮโดรเจนได้ 7.8 ตันต่อวัน และสร้างผลกำไรเพิ่มขึ้น 850,966.23 บาทต่อปี
บริษัท ไทยออยล์ จำกัด (มหาชน) (TOP) ประกอบธุรกิจโรงกลั่นน้ำมันที่มีกระบวนการผลิตที่ทันสมัยและมีประสิทธิภาพสูง เพื่อผลิตและจำหน่ายน้ำมันปิโตรเลียมสำเร็จรูปป้อนตลาดในประเทศเป็นส่วนใหญ่ ทั้งยังขยายการลงทุนให้ครอบคลุมการผลิตผลิตภัณฑ์ปิโตรเคมี นํ้ามันหล่อลื่นพื้นฐาน เอทานอล รวมถึงการลงทุนในธุรกิจไฟฟ้า ตลอดจนธุรกิจขนส่งผลิตภัณฑ์ปิโตรเลียม และปิโตรเคมีทางเรือ ธุรกิจขนส่งผลิตภัณฑ์ปิโตรเลียมสำเร็จรูปทางท่อ และธุรกิจให้คำปรึกษาทางด้านพลังงาน ซึ่งมีโรงกลั่นอยู่ที่อำเภอศรีราชา จังหวัดชลบุรี โครงงานสหกิจนี้เกี่ยวข้องกับการทำงานร่วมกับหน่วยผลิต Hydrogen Manufacturing 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) ซึ่งผลิตไฮโดรเจนบริสุทธิ์สูงสำหรับใช้ในกระบวนการต่าง ๆ เช่น Hydrocrackers, Hydrodesulphuriser และ Hydrotreaters หน่วยผลิตนี้มีบทบาทสำคัญในการแยกก๊าซธรรมชาติเหลือใช้จากกระบวนการก่อนหน้า ซึ่งมีความซับซ้อนสูงและต้องการการควบคุมอุณหภูมิและความดันอย่างแม่นยำเพื่อให้กระบวนการทำงานได้อย่างมีประสิทธิภาพ เนื่องจากการขาดเครื่องมือจำลองกระบวนการที่มีประสิทธิภาพส่งผลต่อความสามารถในการผลิตและประสิทธิภาพโดยรวม ทำให้ไม่สามารถส่งไฮโดรเจนให้กระบวนการข้างต้นได้ตามความต้องการ การใช้โปรแกรม AVEVA Pro/II ซึ่งเป็นเครื่องมือสำคัญในการจำลองกระบวนการผลิตในหน่วย HMU-2 และ PSA-3 พบว่ามีข้อผิดพลาดในการจำลองบางกระบวนการ ซึ่งส่งผลกระทบต่อความแม่นยำในการคาดการณ์พารามิเตอร์ที่เกี่ยวข้องกับการผลิตไฮโดรเจน การพัฒนาโมเดล Machine Learning จึงเป็นแนวทางใหม่ที่มีศักยภาพในการเพิ่มความแม่นยำในการคาดการณ์พารามิเตอร์กระบวนการต่าง ๆ เช่น อุณหภูมิ ความดัน และอัตราการไหล การนำเทคนิค Machine Learning มาช่วยในการคาดการณ์และปรับปรุงกระบวนการผลิตไฮโดรเจนให้ได้ตามความต้องการของหน่วยผลิตในบริษัทจึงเป็นสิ่งสำคัญในการเพิ่มประสิทธิภาพการผลิตและตอบสนองความต้องการที่สูงขึ้นได้อย่างมีประสิทธิผล
คณะอุตสาหกรรมอาหาร
การศึกษานี้มุ่งเน้นพัฒนาสูตรและวิเคราะห์คุณสมบัติของเจลลี่คอมบูชาเสริมคอลลาเจน ทั้งในด้านรสชาติ ภาพลักษณ์ และคุณประโยชน์ เพื่อให้เป็นผลิตภัณฑ์ที่แปลกใหม่และตอบโจทย์ตลาดเครื่องดื่มเพื่อสุขภาพและความงาม โดยมีการทดสอบทางประสาทสัมผัส (Sensory Test) เพื่อประเมินคุณภาพและความพึงพอใจของผู้บริโภค
วิทยาลัยการจัดการนวัตกรรมและอุตสาหกรรม
เรืออัจฉริยะไฟฟ้ากำจัดผักตบชวา เป็นเรือขนาดเล็กที่มีความคล่องตัว สามารถเข้าทำงานได้ในทุกพื้นที่ แม้กระทั่งพื้นที่เล็กๆที่มีปริมาณผักตบชวาหนาแน่น ด้วยเทคโนโลยีขั้นสูงที่ผู้วิจัยและคิดค้นและออกแบบเอง มีขนาดความยาว 4.80 เมตร ความกว้าง 1.20 เมตร โครงสร้างของตัวลำเรือทำจากวัสดุอลูมิเนียม ใช้ขับเคลื่อนด้วยเครื่องยนต์ดีเซลล์ขนาด 14 แรงม้า ใบมีดตัดสับคู่ด้านหน้า เสริมแรงการขับเคลื่อนควบคู่กับการปั่นสับวัชพืช ความสามารถในการกำจัดผักตบชวาโดยวิธีการปั่นย่อย 3-5 ต่อวัน โดยใช้พนักงานควบคุมบนเรือเพียงคนเดียว อัตราสิ้นเปลืองเชื้อเพลิงคิดเป็น ไร่ละ 80-100 บาท ดังนั้นการควบคุมและกำจัดผักตบชวาโดยเรืออัจฉริยะจึงทำงานได้ดีกว่าการใช้เครื่องจักรกลทั่วๆ ไป อีกทั้งสามารถทำงานได้รวดเร็วและค่าใช้จ่ายน้อย ซึ่งแนวคิดเรืออัจฉริยะไฟฟ้ากำจัดผักตบชวา ที่จะสร้างต้นแบบเรืออัจฉริยะไฟฟ้ากำจัดผักตบชวาต่อยอดจากระบบเดิม
วิทยาลัยการจัดการนวัตกรรมและอุตสาหกรรม
งานวิจัยนี้นำเสนอการพัฒนาเส้นใยนาโนคาร์บอนที่มีโครงสร้างหลายเฟสผสมออกไซด์ของโลหะ (CNF@MOx; M = Ag, Mn, Bi, Fe) โดยฝังอนุภาคนาโนของเงิน แมงกานีส บิสมัท และเหล็ก ลงในเส้นใยนาโนคาร์บอนที่ได้จากพอลิอะคริโลไนไตรล์ (PAN) ผ่านเทคนิคอิเล็กโทรสปินนิ่งและผ่านการอบชุบในบรรยากาศอาร์กอน ผลลัพธ์แสดงให้เห็นว่าเส้นใยนาโนที่ได้มีโครงสร้างที่เป็นระเบียบ เส้นผ่านศูนย์กลางเฉลี่ย 559-830 นาโนเมตร และมีอนุภาคนาโนฝังตัวขนาด 9-21 นาโนเมตร การวิเคราะห์เชิงโครงสร้างยืนยันการมีอยู่ของสถานะออกซิเดชันต่างๆ ของโลหะออกไซด์ ซึ่งมีบทบาทสำคัญในกลไกการเก็บประจุไฟฟ้า ผลการทดสอบทางไฟฟ้าเคมีพบว่า CNF@Ag/Mn/Bi/Fe-20 มีค่าความจุจำเพาะสูงสุดที่ 156 F g⁻¹ ที่อัตราการสแกน 2 mV s⁻¹ และมีเสถียรภาพสูง โดยยังคงค่าความจุได้มากกว่า 96% หลังจากการชาร์จ-คายประจุ 1400 รอบ กลไกการเก็บประจุของเส้นใยนี้เกิดจากการทำงานร่วมกันระหว่างความสามารถในการเก็บประจุแบบชั้นคู่ไฟฟ้าและกระบวนการรีดอกซ์ ซึ่งช่วยเพิ่มประสิทธิภาพของวัสดุอิเล็กโทรดสำหรับตัวเก็บประจุยิ่งยวด